Compressive Sensing pour l’imagerie infrarouge

Florian Crouau

Jérémie Maire, Stéphane Chevalier, Jean-Luc Battaglia

I2M, Université de Bordeaux

Slides via the QR code
or at https://floriancr.github.io/presentation-journeetrefle

2026-01-30

Introduction

Super-résolution

Importance de la résolution en imagerie IR : Cas d’images satellites

Super-résolution :

Comment aller chercher de l’information plus petite échelle que ce que permet le capteur ?

Sous-échantillonnage

Mesures point à point :

✓ Distance entre mesures choisie

✗ Temps d’acquisition

Sous-échantillonnage :

Comment diminuer le nombre d’acquisition de mesures point à point sans (trop) dégrader l’image résultante ?

Modèle: Instrumentation 101

Modélisation d’un système de mesure optique

y = Ш_{\Delta\vec{x}}(((x\cdot\phi)\otimes h)) + \epsilon

Compressive Sensing

Principe général

Hypothèses du théorème d’échantillonnage

  • Pour un échantillonnage régulier
  • Signal quelconque jusqu’à f_{max} = \frac{f_{ech}}{2}

Hypothèses du Compressive Sensing

  • Échantillonnage irrégulier
  • Signal « éparse » dans une base donnée

Workflow

Quelles applications en instrumentation ?

Exemples d’applications du Compressive Sensing :

  • Détection/classification d’objets
  • radio-téléscopes
  • Caméras : Single Pixel Cameras et Super-résolution
  • Mesures 3D : Holographie, IRM, Tomographie, etc.
  • Scans point à point : STEM, AFM, Flying Spot, Scanning Photothermal Radiometry, etc.

Résultats

Résultats point à point : SPR

Nombre de points divisé par 14 : ~1h devient ~5min

Résultats Imagerie IR super-résolue

20 \times 20 \rightarrow 80 \times 80

16 \times 16 \rightarrow 32 \times 32

Conclusion

Conclusion

Le Compressive Sensing permet la reconstruction de signaux avec un minimm de mesures.

En imagerie thermique il permet de :

  • Diminuer les temps d’acquisition
  • Améliorer la résolution d’images

Questions

Présentation

Présentation en html faite avec :

  • Quarto (Reveal.js),
  • Inkscape,
  • GIMP,
  • et Python (Plotly)

Éléments non-FOSS :

  • GitHub (L’instance GitLab UB n’a pas l’air de permettre de faire des pages)
  • Quelques algos et pré-traitements encore sous MatLab

Les + du format :

  • Moderne
  • Interactif
  • Universel et publiable en ligne
  • Quarto facile à utiliser (Markdown)
  • … Surtout pour Python (Jupyter)/ R

Les - :

  • Difficile à maîtriser (Custom css et html)
  • Communauté assez petite
  • Certaines features manquantes (Comparé aux packages Beamer)
  • Marche mal avec KDE Connect